基于 Python seaborn 中比率的热图答案

【问题标题】：heatmap based on ratios in Python's seaborn基于 Python seaborn 中比率的热图
【发布时间】：2017-08-14 05:28:54
【问题描述】：

我有笛卡尔坐标中的数据。对于每个笛卡尔坐标，也有二进制变量。我想制作一个热图，其中在每个多边形（六边形/矩形等）中，颜色强度是布尔值为 True 的出现次数与该多边形中总出现次数的比率。

例如，数据可能如下所示：

df = pd.DataFrame([[1,2,False],[-1,5,True], [51,52,False]])

我知道seaborn 可以通过seaborn.heatmap 生成热图，但颜色强度默认基于每个多边形中的总出现次数，而不是上述比率。是否还有其他更适合的绘图工具？

【问题讨论】：

链接失效（404）
你看过了吗：matplotlib.org/devdocs/api/_as_gen/…（抱歉，不能再编辑旧评论了）
是的，这看起来像我正在寻找的东西，但是当我运行它时出现错误：ImportError: cannot import name 'PercentFormatter'。也许是因为我使用的是 python 3？
通常 matplotlib 与 Python 3 一起使用。您是否尝试过文档中的示例？无论如何，这听起来像是一个不同的问题。
数据框中没有布尔变量，所以不清楚数据是什么样子的。

标签： python-3.x matplotlib data-visualization heatmap seaborn

【解决方案1】：

您还可以使用 pandas groupby 功能来计算比率，然后将结果传递给 seaborn.heatmap。使用从@ImportanceOfBeingErnest 借来的示例数据，它看起来像这样：

import numpy as np
import pandas as pd
import seaborn as sns

np.random.seed(0)
x = np.random.poisson(5, size=200)
y = np.random.poisson(7, size=200)
z = np.random.choice([True, False], size=200, p=[0.3, 0.7])

df = pd.DataFrame({"x" : x, "y" : y, "z":z})
res = df.groupby(['y','x'])['z'].mean().unstack()

ax = sns.heatmap(res)
ax.axis('equal')
ax.invert_yaxis()

the resulting plot

如果您的 x 和 y 值不是整数，您可以将它们分成所需数量的类别进行分组：

bins = 10
res = df.groupby([pd.cut(df.y, bins),pd.cut(df.x,bins)])['z'].mean().unstack()

【讨论】：

感谢@Gereleth，这是一个非常好的方法，我更喜欢使用 seaborn。请问一下：使用seaborn.jointplot()也可以实现吗？
我不这么认为，至少不容易。 Jointplot 用于绘制双变量关系，我没有看到第三个变量的位置。如果您想将 x 和 y 分布到热图的两侧，您可以手动修改子图。

【解决方案2】：

一个选项是计算两个直方图，一个用于完整的数据帧，一个用于过滤为 True 值的数据帧。然后将后者除以前者得到比率，你就在后面。

from __future__ import division
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

x = np.random.poisson(5, size=200)
y = np.random.poisson(7, size=200)
z = np.random.choice([True, False], size=200, p=[0.3, 0.7])

df = pd.DataFrame({"x" : x, "y" : y, "z":z})
dftrue = df[df["z"] == True]

bins = np.arange(0,22)
hist, xbins, ybins = np.histogram2d(df.x, df.y, bins=bins)
histtrue, _ ,__ = np.histogram2d(dftrue.x, dftrue.y, bins=bins)

plt.imshow(histtrue/hist, cmap=plt.cm.Reds)
plt.colorbar()
plt.show()

【讨论】：